- 综合排序
- 最热优先
- 最新优先
- 来自专栏贾维斯Echo的博客
AI超强语音转文本SenseVoice，本地化部署教程！
模型介绍 SenseVoice专注于高精度多语言语音识别、情感辨识和音频事件检测 多语言识别： 采用超过40万小时数据训练，支持超过50种语言，识别效果上优于Whisper模型。 高效推理： SenseVoice-Small模型采用非自回归端到端框架，推理延迟极低，10s音频推理仅耗时70ms，15倍优于Whisper-Large。 SenseVoice在线预览链接 SenseVoice 在线预览：https://www.modelscope.cn/studios/iic/SenseVoice 本地化部署 这里使用autodl 机器学习平台 然后克隆项目，输入如下命令： git clone https://github.com/FunAudioLLM/SenseVoice.git 如果提示网络超时等，输入如下命令，完了重新拉取代码就好。 然后回到终端，进入SenseVoice目录。 cd SenseVoice/ 创建虚拟环境 # 创建一个名为venv 的虚拟环境。 python -m venv venv 接着激活虚拟环境。
8.9K12编辑于 2024-09-05 - 来自专栏算法一只狗
“3秒克隆周杰伦声音”？普通人也能玩转AI换声，太疯了！
它无需任何样本即可完成声音克隆，框架主要包含CosyVoice和SenseVoice两个项目：SenseVoice：提供高精度多语言语音识别、情感识别和音频事件检测功能，支持超过50种语言，并实现极低延迟 此外，利用SenseVoice-Large和Paraformer生成伪标签，通过强制对齐模型进一步精炼数据，以确保数据的准确性和标点符号精度。
2K01编辑于 2025-05-07 每周AI论文速递（240708-240712）
其核心包括两个创新模型：SenseVoice，用于多语言语音识别、情感识别及音频事件检测；以及 CosyVoice，能够生成多语言、可控音色、说话风格和说话者身份的自然语音。 SenseVoice-Small 为 5 种语言提供极低延迟的自动语音识别（ASR），而 SenseVoice-Large 支持超过 50 种语言的高精度 ASR。 与 SenseVoice 和 CosyVoice 相关的模型已在 Modelscope 和 Huggingface 上开源，相应的训练、推理和微调代码也已在 GitHub 发布。
19800编辑于 2025-04-08- 来自专栏机器之心
小红书语音识别新突破！开源FireRedASR，中文效果新SOTA
FireRedASR 也比 Qwen-Audio、SenseVoice、Whisper、Paraformer 取得了更优的 CER。
1.7K10编辑于 2025-02-10 硬刚谷歌Veo3！快手Klear统一多任务音视频联合生成：创新单塔架构，口型语音完美同步
数据工程：开发了一套自动化管道，包括视频/音频质量过滤、场景分割、人声/非人声分类以及多模型协作的稠密标注（使用 Whisper, SenseVoice, Qwen2.5-Omni 等工具）。 使用 Whisper-Large-v3、SenseVoice 和 Qwen2.5-Omni 进行转录，使用 Qwen2.5-Omni 和 Gemini 2.5-Pro 进行音频字幕，并使用视频专家模型进行详细视频标签
29410编辑于 2026-01-13- 来自专栏Nicky's blog
LazyLLM测评 | 基于LazyLLM Agent大模型搭建聊天机器人
例如，多模态场景中，可通过Switch将用户输入（文本/图片/音频）路由到对应模型（LLM聊天、InternVL图文问答、SenseVoice语音识别）。
27910编辑于 2025-12-17 - 来自专栏AI研思录
万字长文 | 让大模型“开口”说话：从ASR到端到端语音大模型的进化之旅
常见的语音识别库有：SenseVoice、Whisper等 从语音识别结果到回答文本的生成（LLM） 这里我们不再赘述NLP中的意图识别等环节了，统一介绍最新称霸江湖的NLP技术大模型。
4.2K23编辑于 2025-02-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号